一种硅藻生物水质监测方法
【技术领域】
[0001]本发明涉及一种河流、湖泊中的水质生物监测方法，属于水环境监测领域。
【背景技术】
[0002]最近重大水污染事件频发，重大事故暴露出的一个重要因素是水环境监测方面的不足，使得排污者存在侥幸心理，且很多突发事件的发掘是由于出现大量死鱼或死家禽，另一个问题是我国尚有大范围的溪流未曾进行过评价，与制定国家水资源决策相关的生物数据极为欠缺，急需对其开展监测和评价。这些现实情况使得开发经济、有效的生物监测技术很有必要。
[0003]水生生物群落中的底栖动物、水生维管束植物、鱼类、微型藻类等生物均为良好的河湖水质指示生物。一般来说，指示生物与其敏感性与生命周期长短、移动性、位于食物链(网)的位置等生态特征相关。相对于其他水生指示生物，淡水硅藻生命周期短，固着性强，位于食物链底端，是十分合适的水质指示生物。
[0004]关于硅藻的分类学和生态学的相关研究已有一段历史，但硅藻水质监测和评价技术刚刚起步，对于如何合理布置采样点，对硅藻实验的技术要求，鉴定仪器的配置等存在诸多问题，用于机械智能鉴定系统的硅藻数据库资源极少，识图鉴定计数系统还需人工完善，水质评价的方法不规范不科学，上述众多问题都是影响完成整个监测过程的复杂因素，最关键的是至今还没有一个标准的水质监测流程，因此需要开发一套完整的监测方法来实施。
【发明内容】
[0005]发明目的:本发明提供一套完整的、用现代生物技术与图像智能识别技术等相结合的硅藻生物水质监测方法，该方法是传统水质生物监测方法的拓展和延伸。本发明解决了在江河湖泊中无法采集到合格水质生物样品的弊端，总结了合理的监测流程和操作方法，开发了硅藻物种智能鉴定系统，推荐了科学合理的水质评价方法，形成一套完整技术，能够科学有效的进行河流湖泊的硅藻生物水质监测。
[0006]技术方案:通过采集装置采集基质中的附生硅藻，在实验室由处理装置制作生物玻片，鉴定装置对硅藻玻片进行人工智能鉴定，统计物种分布。水质评价系统依据鉴定数据进行模型计算，包括计算以物种丰富度、均匀度和优势度为代表的生物多样性模型；以细胞密度为代表的生物量统计模型；以硅藻细胞畸形形态为代表的形态特征模型，形态模型量化分析重金属的污染程度；以对比判断采样点与无干扰清洁参考点硅藻群落的差异为代表的相似性模型；以评价水体中污染物或营养物浓度为代表的硅藻指数模型；以Van Dam生态类群划分为代表的生态谱体系模型；以综合多项生态指标来建立复合评价指数为代表的多度量生态指标模型。硅藻水质评价方法主要参考形态特征模型、相似性模型、硅藻指数模、生态谱体系模型和多度量生态指标模型的计算结果。
[0007]硅藻样本的采集要点:首先按照水生态分区，森林覆盖率，人口密度，海拔选定监测区域和对照区域，在区域内选择开阔、光照充足的合格采样点，在采样点200米范围内尽量选择潜水层的天然基质，且按线形或者两岸采集多块基质。
[0008]培养基质的要点:基质可以是天然基质或人工基质，人工基质为一种简易装置，基质要求质硬、不带泥砂无松软杂质，装置兼有水温和流速集成智能遥控传感器及配套信号无线发射器；天然基质包括岩石、卵石、砾石，移动基质常常掩蔽了大量硅藻群落，不能体现环境平衡，因此天然基质不能是移动或不稳定的；选择培养基质时优先考虑稳定的自然基质，在缺少天然坚硬基质的情况下，采用稳定的人工培养基质。
[0009]硅藻玻片制作要点:将采集到的基质用刷子刷取硅藻样品并加入酒精或甲醛保存，带回实验室氧化处理去除硅藻有机质、酸化处理去除有机盐，得到可显微观察的硅质壳，经纯净水清洗三遍或以上次数，每次清洗后须静置6小时以上才去除上清液；接着用一次性吸管吸取清洗后的硅藻滴入载玻片，待样品干燥后预制硅藻玻片，进行初步检测，待检测合格后用折射率为1.7左右的胶体封片。将合格的硅藻玻片经人工和智能互补鉴定，不断完善硅藻数据库。
[0010]所述评价方法的一整套完整装置，其使用顺序依次为硅藻培养装置，硅藻采集装置，处理装置，鉴定装置，评价系统；培养装置中使用的工具有硬质基质，包括天然基质和人工添加基质；处理装置中使用的工具有一次性移液管、玻璃试管、试管架、恒温锅、恒温箱、离心机、盖玻片、载玻片、显微镜等，试剂有氧化剂、浓酸、纯净水、折射率为1.7的封片胶，对硅藻样品进行处理的工艺包括有机质消化、酸化、清洗、干燥制作玻片及镜检、封片。
[0011]所述硅藻鉴定，其特征在于显微专用数码相机按“已”字形拍摄硅质壳，供专业鉴定人员和图像智能识别系统共同鉴定，种类判别以专业技术人员为准，并不断修正图库的准确度和扩大图库的容量，为后续的硅藻种类机械智能鉴定积累数据库。
[0012]所述的硅藻指数模型，其特征在于赋予确定硅藻种敏感值和耐受值参数，通过加权平均值得到硅藻指数。硅藻指数根据评价目的不同，如评价有机污染物浓度和评价水体富营养化程度，两者的指数是不同的，但方法相同:通过建立大型的硅藻数据库，确定每个纳入指数计算的硅藻种敏感值和耐受值，调用数学模型计算得到。
[0013]所述的相似性模型，其特征是计算某一地点实际的生物组成与在无人为干扰的情况下该点能够存在的生物物种进行比较，为了提高模计算价的准确性，尽量弥补鉴定工作的不足，需要对硅藻分类水平进行优化。用于建模的底栖硅藻主要以种为基本的分类水平，同时基于两个原则来划分部分种类为分类单元。第一是利用双向指示种分析划分指示意义相近的硅藻，且这些硅藻在形态上很难用肉眼辨别，或者鉴定为同一种类较困难，将这些硅藻视为同一单元。二是结合欧洲硅藻指示值和敏感值，及本地区河流的实验结果，将一些在河流源头或工业城镇等人口密集区常见的且容易混淆藻类，划分为同一个单元，在后续的计算中，都以划分后的数据为准。
[0014]所述多度量生态指标模型，通过综合多项指标加权确定，如加权物种的多样性、生境类型、敏感种与耐受种的比值等，对水质进行综合评价。
[0015]所述相似性模型和多度量生态指标模型的区别在于，多度量生态指标模型考虑到河流或湖泊的多个因子，而相似性模型只考虑一种生物。以底栖硅藻为例，人类活动通常会对其生长造成不良影响，这些不良影响不仅仅体现在污染物，还应该考虑流域的水流条件变化、硅藻栖息地的改变、硅藻猎物的变化等。选择多度量生态指标模型评价水体健康，能全面综合准确的做出评估，但评价标准和精度上存在缺陷；相似性模型的优点是不需要太多的河流相关资料，能充分反映单个生物的信息，标准明确，精度高，局限性在于河流健康的损坏若未能体现在该生物物种变化上，那么评价结果就会失真，因此我们更倾向于相似性模型。
[0016]所述生态类群划分模型，其特征在于比较各类群级别的百分比来监测水体。划分体系主要引进欧洲Van Dam体系，Lange Bertalot体系，Hofmann体系。
[0017]本发明与现有方法相比，其有益效果是:1、硅藻对污染物敏感，能够保存企业排污的大概时间，从而弥补理化监测的不足，曝光企业偷排暗排的历史过程，能有效地威慑企业有钱也不治污的通病。2、硅藻处于食物链的底层生物，相对鱼类等较高级生物，该生物可及时反应污染物的综合毒性效应及可能对环境产生的潜在威胁，掌握水环境质量，发现一般监测或理化监测所发现不了的环境问题。3、制定一套完整的、用现代生物技术与图像智能识别技术等相结合的硅藻生物水质监测方法，使专业技术人员经过培训后可以直接上岗。
4、多种硅藻水质监测评价方法